DOI: https://doi.org/10.3389/frwa.2024.1353597
تاريخ النشر: 2024-02-15
المؤلف: Younsuk Dong وآخرون
الموضوع الرئيسي: ممارسات الري وإدارة المياه
نظرة عامة
تتناول ورقة البحث تطوير وتنفيذ محطة استشعار قائمة على إنترنت الأشياء (IoT) تهدف إلى تعزيز إدارة الري في الزراعة، خاصة استجابة لتغير المناخ وتحديات الأمن المائي. تسلط الدراسة الضوء على إنشاء موقع ويب سهل الاستخدام وتطبيق هاتف ذكي لمشاركة البيانات في الوقت الحقيقي، إلى جانب معايرة حساسات رطوبة التربة من خلال تجارب مختبرية. أظهرت الحساسات المعايرة أداءً مرضيًا لمعايير الأداء لكل من التربة الرملية والرملية الطينية. كشفت دراسات الحالة التي أجريت في حقول الذرة والتوت والطماطم في ميشيغان أن تقنية إنترنت الأشياء قيمت بشكل فعال الممارسات الحالية للري، مما أدى إلى نتائج مهمة مثل زيادة المحصول في نباتات التوت مع استراتيجيات الري الموصى بها وتقليل استخدام المياه بنسبة 20% في حقول الطماطم دون المساس بجودة المحصول.
تؤكد الخاتمة على إمكانية تحسين تقنية استشعار إنترنت الأشياء لكفاءة استخدام مياه الري ودعم المزارعين في اتخاذ قرارات ري مستنيرة بناءً على بيانات رطوبة التربة في الوقت الحقيقي. لا تقتصر هذه الطريقة على تقليل الري الزائد، مما يحمي جودة المياه الجوفية، ولكنها تقترح أيضًا تطبيقات أوسع لإدارة المغذيات والآفات. يتم تشجيع الأبحاث المستقبلية لتوسيع العروض التوضيحية في المزارع، وتعزيز قابلية استخدام التكنولوجيا، واستكشاف شبكات الاتصال البديلة لمعالجة مشكلات الاتصال في المناطق الريفية. تؤكد الورقة على أهمية اعتماد مثل هذه التقنيات لضمان ممارسات زراعية مستدامة في مواجهة التحديات المناخية المستمرة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للري في الزراعة، خاصة في الاقتصادات النامية والمناطق ذات الموارد المائية المحدودة. يعزز الري نمو المحاصيل والعوائد، مما يؤثر بشكل كبير على الاقتصاديات المحلية من خلال خلق فرص العمل وتعزيز النمو الاقتصادي. ومع ذلك، فإن تغير المناخ يشكل تهديدات كبيرة للإنتاجية الزراعية من خلال أنماط هطول الأمطار غير المنتظمة وارتفاع درجات الحرارة، مما يمكن أن يؤثر سلبًا على صحة المحاصيل وأمن الغذاء. تُقترح ممارسات إدارة الري الدقيقة، بما في ذلك جدولة الري، كحلول لتحسين كفاءة استخدام المياه والتخفيف من آثار تغير المناخ على المزارع.
تناقش الورقة طرق جدولة الري المختلفة، مثل الأساليب المعتمدة على التبخر والنتح (ET)، والأساليب المعتمدة على حساسات رطوبة التربة، والأساليب المعتمدة على الذكاء الاصطناعي (AI). تستخدم جدولة ET مرجع ET اليومي ومعاملات المحاصيل لتحسين استخدام المياه، مما قد يوفر ما يصل إلى 61% من المياه مقارنة بالطرق التقليدية. توفر حساسات رطوبة التربة بيانات في الوقت الحقيقي لمنع الري الزائد وقد أظهرت توفيرًا في المياه يصل إلى 60%. تستفيد جدولة الذكاء الاصطناعي من التعلم الآلي لتحليل مدخلات بيانات متعددة لإدارة الري التنبؤية، محققة تحسينات في كفاءة استخدام المياه تصل إلى 50%. على الرغم من الفوائد، لا يزال اعتماد حساسات رطوبة التربة في الولايات المتحدة منخفضًا، مما يستلزم تطوير تقنيات أكثر فعالية من حيث التكلفة وسهلة الاستخدام. تقترح الدراسة تنفيذ نظام مراقبة حساسات منخفض التكلفة (LOCOMOS) لتعزيز إدارة الري في محاصيل متنوعة، بما في ذلك الذرة والتوت والطماطم.
طرق
استخدمت المنهجية المتبعة في هذه الدراسة نظام LOCOMOS، الذي تم تطويره بواسطة مختبر الري بجامعة ولاية ميشيغان، وهو نظام مراقبة حساسات قائم على إنترنت الأشياء (IoT) مصمم لتقييم ظروف التربة والبيئة في الحقل. يقوم نظام LOCOMOS بقياس مستمر لمجموعة من المعلمات، بما في ذلك رطوبة التربة على أعماق متعددة، ومدة رطوبة الأوراق، ودرجة حرارة الهواء، والرطوبة النسبية، وهطول الأمطار. تُرسل البيانات المجمعة من هذه الحساسات إلى خادم ويب سحابي خاص بإنترنت الأشياء، حيث يتم توليد توصيات الري وعرضها على لوحة معلومات سهلة الاستخدام يتم تحديثها كل 15 دقيقة. يتيح ذلك للمزارعين اتخاذ قرارات في الوقت المناسب بشأن إدارة الري.
يتضمن النظام عدة حساسات، بما في ذلك SoilWatch 10 لقياس رطوبة التربة، وPHYTOS 31 لرطوبة الأوراق، وحساس SHT30 لدرجة حرارة الهواء والرطوبة، مع حدود دقة محددة. يقيس مقياس المطر هطول الأمطار بزيادات قدرها 0.02 سم. يتم تسهيل التحكم في الري من خلال صمامات Hunter ICV المتصلة بوحدة تحكم دقيقة، مما يتيح تشغيل الصمامات بشكل آلي. بالإضافة إلى ذلك، يوفر تطبيق LOCOMOS على الهاتف الذكي منصة للمستخدمين لتصور بيانات الحساسات، وإدارة الري، والوصول إلى معلومات بيئية في الوقت الحقيقي، بما في ذلك بيانات التبخر والنتح (ET) وهطول الأمطار المستمدة من شبكة Enviroweather بجامعة ولاية ميشيغان. يمكن للمستخدمين تسجيل الدخول إلى التطبيق باستخدام بيانات اعتمادهم، وعرض إحداثيات GPS لأجهزة الحساسات، واستخدام ميزة الخريطة للحصول على نظرة عامة على أراضيهم الزراعية.
نتائج
في هذا القسم، يتم تفصيل عملية المعايرة لحساس رطوبة التربة SoilWatch 10، مع التركيز على أدائه في الرمل والرمل الطيني تحت ظروف مختبرية محكومة. تم إجراء التجارب عند درجة حرارة تربة ثابتة تبلغ 22 ± 1 °م، مع تشغيل الحساسات عند 3.3 فولت. استخدمت المعايرة العدادات التناظرية الخام لتحديد العلاقة بين محتوى الماء الحجمي المقاس (VWC) ومخرجات الحساس.
أدت منحنى المعايرة، الموضح في الشكل 6، إلى صياغة معادلة متعددة الحدود (المعادلة (5)) التي تصف العلاقة بين VWC والعدادات الخام (RC) من الحساس. المعادلة هي:
\[
\text{VWC} = 2 \times 10^{-13} (\text{RC})^3 – 4 \times 10^{-9} (\text{RC})^2 + 4 \times 10^{-5} (\text{RC}) – 0.0677
\]
تمتد هذه المعايرة على نطاق VWC من 0.04 إلى 0.4 سم³/سم³، مما يوفر أساسًا موثوقًا لاستخدام حساس SoilWatch 10 في العروض التوضيحية الميدانية. تشير النتائج إلى عملية معايرة قوية، مما يعزز الثقة في تطبيق الحساس لقياس رطوبة التربة.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على المعايرة وتقييم حساسات رطوبة التربة SoilWatch 10 عبر أنواع التربة المختلفة، وخاصة الرمل والرمل الطيني. تم إجراء تجربة مختبرية باستخدام حاويات بولي بروبيلين لتقييم أداء الحساسات، والتي تضمنت قياس محتوى الماء الحجمي (VWC) عدة مرات. تم اعتبار عملية المعايرة ناجحة، حيث أظهرت الحساسات أداءً موثوقًا في قياس محتوى الرطوبة بدقة، مما يفي بالمعايير المحددة لخطأ الانحياز المتوسط (MBE) وجذر متوسط مربع الخطأ (RMSE).
علاوة على ذلك، توضح الورقة تنفيذ نموذج توصية للري قائم على حساسات رطوبة التربة، والذي يحسب احتياجات الري بناءً على الفرق بين سعة الحقل ومستويات رطوبة التربة الحالية. استخدمت الدراسة تحليلات إحصائية، بما في ذلك RMSE، ومؤشر الاتفاق (IA)، وMBE، لتقييم أداء الحساسات، مع نتائج تشير إلى دقة عالية (قيم IA تقترب من 1). أظهرت العروض التوضيحية الميدانية في مزارع الذرة والتوت المروية في ميشيغان فعالية تقنية الحساسات في تحسين ممارسات الري، مما أدى إلى تحسين كفاءة استخدام المياه وتقليل تسرب المغذيات. تشير النتائج إلى أن إدارة الري القائمة على إنترنت الأشياء يمكن أن تحافظ على المياه مع الحفاظ على محصول وجودة المحاصيل، مما يبرز الحاجة إلى مزيد من العروض التوضيحية في المزارع والتوعية لتعزيز اعتماد التكنولوجيا في الممارسات الزراعية.
DOI: https://doi.org/10.3389/frwa.2024.1353597
Publication Date: 2024-02-15
Author(s): Younsuk Dong et al.
Primary Topic: Irrigation Practices and Water Management
Overview
The research paper discusses the development and implementation of an Internet of Things (IoT)-based sensor station aimed at enhancing irrigation management in agriculture, particularly in response to climate change and water security challenges. The study highlights the creation of a user-friendly website and smartphone application for real-time data sharing, alongside the calibration of soil moisture sensors through laboratory experiments. The calibrated sensors demonstrated satisfactory performance metrics for both sandy and loamy sand soils. Case studies conducted in corn, blueberry, and tomato fields in Michigan revealed that the IoT technology effectively evaluated existing irrigation practices, leading to significant findings such as increased yield in blueberry plants with recommended irrigation strategies and a reduction in water usage by 20% in tomato fields without compromising yield quality.
The conclusion emphasizes the potential of IoT-based sensor technology to improve irrigation water use efficiency and support farmers in making informed irrigation decisions based on real-time soil moisture data. This approach not only minimizes overirrigation, thereby protecting groundwater quality, but also suggests broader applications for nutrient and pest management. Future research is encouraged to expand on-farm demonstrations, enhance technology usability, and explore alternative communication networks to address connectivity issues in rural areas. The paper underscores the importance of adopting such technologies to ensure sustainable agricultural practices in the face of ongoing climate challenges.
Introduction
The introduction of this research paper highlights the critical role of irrigation in agriculture, particularly in developing economies and regions with limited water resources. Irrigation enhances crop growth and yields, significantly impacting local economies by creating jobs and promoting economic growth. However, climate change poses substantial threats to agricultural productivity through erratic precipitation patterns and rising temperatures, which can adversely affect crop health and food security. Precision irrigation management practices, including irrigation scheduling, are proposed as solutions to improve water use efficiency and mitigate climate change effects on farms.
The paper discusses various irrigation scheduling methods, such as evapotranspiration (ET)-based, soil moisture sensor-based, and artificial intelligence (AI)-based approaches. ET-based scheduling utilizes daily reference ET and crop coefficients to optimize water use, potentially saving up to 61% of water compared to conventional methods. Soil moisture sensors provide real-time data to prevent overirrigation and have demonstrated water savings of up to 60%. AI-based scheduling leverages machine learning to analyze multiple data inputs for predictive irrigation management, achieving water use efficiency improvements of up to 50%. Despite the benefits, the adoption of soil moisture sensors in the U.S. remains low, necessitating the development of more cost-effective and user-friendly technologies. The study proposes the implementation of a low-cost sensor monitoring system (LOCOMOS) to enhance irrigation management in various crops, including corn, blueberries, and tomatoes.
Methods
The methodology employed in this study utilized the LOCOMOS system, developed by the Michigan State University Irrigation Lab, which is an Internet of Things (IoT)-based sensor monitoring system designed to assess in-field soil and environmental conditions. The LOCOMOS system continuously measures various parameters, including soil moisture at multiple depths, leaf wetness duration, air temperature, relative humidity, and precipitation. Data collected from these sensors are transmitted to an IoT cloud web server, where irrigation recommendations are generated and displayed on a user-friendly dashboard that updates every 15 minutes. This allows farmers to make timely decisions regarding irrigation management.
The system incorporates several sensors, including SoilWatch 10 for soil moisture measurement, PHYTOS 31 for leaf wetness, and an SHT30 sensor for air temperature and humidity, with specified accuracy tolerances. A rain gauge measures precipitation in increments of 0.02 cm. The irrigation control is facilitated through Hunter ICV valves connected to a microcontroller, enabling automated valve operation. Additionally, the LOCOMOS smartphone application provides a platform for users to visualize sensor data, manage irrigation, and access real-time environmental information, including evapotranspiration (ET) and precipitation data sourced from the Michigan State University Enviroweather Network. Users can log in to the app using their credentials, view the GPS coordinates of sensor devices, and utilize a map feature for an overview of their farmland.
Results
In this section, the calibration process for the SoilWatch 10 soil moisture sensor is detailed, focusing on its performance in sand and loamy sand under controlled laboratory conditions. The experiments were conducted at a constant soil temperature of 22 ± 1 °C, with the sensors powered at 3.3 V. The calibration utilized analog raw counts to establish a relationship between the measured volumetric water content (VWC) and the sensor’s output.
The calibration curve, depicted in Figure 6, led to the formulation of a polynomial equation (Equation (5)) that describes the relationship between VWC and the raw counts (RC) from the sensor. The equation is given as:
\[
\text{VWC} = 2 \times 10^{-13} (\text{RC})^3 – 4 \times 10^{-9} (\text{RC})^2 + 4 \times 10^{-5} (\text{RC}) – 0.0677
\]
This calibration spans a VWC range of 0.04 to 0.4 cm³/cm³, providing a reliable basis for employing the SoilWatch 10 sensor in field demonstrations. The results indicate a robust calibration process, enhancing confidence in the sensor’s application for soil moisture measurement.
Discussion
The discussion section of the research paper highlights the calibration and evaluation of SoilWatch 10 soil moisture sensors across different soil types, specifically sand and loamy sand. A laboratory experiment was conducted using polypropylene containers to assess the sensors’ performance, which involved measuring the volumetric water content (VWC) multiple times. The calibration process was deemed successful, as the sensors demonstrated reliable performance in accurately measuring moisture content, satisfying the established criteria for mean bias error (MBE) and root mean squared error (RMSE).
Furthermore, the paper details the implementation of a soil moisture sensor-based irrigation recommendation model, which calculates irrigation needs based on the difference between field capacity and current soil moisture levels. The study employed statistical analyses, including RMSE, index of agreement (IA), and MBE, to evaluate sensor performance, with results indicating high accuracy (IA values approaching 1). Field demonstrations in Michigan’s irrigated corn and blueberry farms showcased the effectiveness of the sensor technology in optimizing irrigation practices, leading to improved water use efficiency and reduced nutrient leaching. The findings suggest that IoT-based irrigation management can conserve water while maintaining crop yield and quality, emphasizing the need for further on-farm demonstrations and outreach to enhance technology adoption in agricultural practices.